استفاده از روش شبکه عصبی و رگسیون در مدل¬سازی سری¬های زمانی بارش

استفاده از روش شبکه عصبی و رگسیون در مدل¬سازی سری¬های زمانی بارش

امیرحسین میردارسلطانی1 خلیل حیدری2 امیرحسین صفرعلیزاده3

1) دانشجوی کارشناسی ارشد مدیریت منابع آب دانamiraliشگاه خواجه نصیرالدین طوسی
2) دانشجوی کارشناسی ارشد آب و سازه¬های هیدرولیکی دانشگاه آزاد اسلامی واحد شوشتر
3) دانشجوی کارشناسی ارشد مهندسی آب گرایش منابع آب دانشگاه دولتی گیلان

کد IOI مقاله : XCBK-FEEGF
محل انتشار : دهمین کنفرانس بین المللی مکانیک، ساخت، صنایع و مهندسی عمران(mmiconf.com)
چکیده :
    اقلیم هر منطقه بوسیله تغییرات پارامترهای مختلف هواشناسی در زمان¬های طولانی مشخص می¬شود، مقدار هر کدام از این پارامترها در هر زمان مشخص و وابسته به روابط سیستم¬های جوی می¬باشد و از آنجایی که رفتار سیستم¬های جوی بشدت وابسته به زمان و مکان بوده، لازم است از داده¬های زیاد استفاده شود. براین اساس روش¬های مدل¬ساز بسیاری ایجاد شده¬اند. با تحقیقات انجام شده مشخص شد که توسعه یک مدل پیش¬بینی هیدرولوژیکی بر اساس اطلاعات ثبت شده¬ی گذشته و به منظور مدیریت و برنامه¬ریزی موثر مخازن آبی، وابسته به پیش¬بینی و درک صحیح از سری¬های زمانی تاثیرگذار در منابع آب است. در سال¬های اخیر یکی از موضوعات رو به رشد در این زمینه، استفاده از روش¬های هوش مصنوعی در مدل¬سازی، پیش-بینی و بازیابی اطلاعات هیدرولوژیکی است. براین¬اساس در این مقاله با استفاده از روش هوش مصنوعی به پیش¬بینی سری-های زمانی بارش سالیانه کشور نیجریه پرداخته شده است. در این زمینه از روش شبکه عصبی مصنوعی پیشخور برای مدل-سازی ا¬استفاده شده و در آخر نتایج حاصله با رگسیون خطی مقایسه شد. نتایج نشان داد که روش شبکه عصبی کارایی بسیار بهتری نسبت به رگرسیون خطی دارد.

کلمات کلیدی : هوش مصنوعی سری¬های زمانی بارش سالیانه شبکه عصبی مصنوعی رگسیون